Conclusion: Les chercheurs du Mount Sinaï ont développé un modèle d'IA pour faire des recommandations de traitement individualisées pour les patients de la fibrillation auriculaire (AF), les cliniciens de l'emballage décident avec précision de les traiter ou non avec des anticoagulants (médicaments contre le sang) pour prévenir l'AVC, qui est actuellement l'évolution de traitement standard dans cette population de patients. Ce modèle présente une approche complètement nouvelle sur la façon dont les décisions cliniques sont prises pour les patients AF et pourraient représenter un changement de paradigme potentiel dans ce domaine.
Dans cette étude, le modèle d'IA a recommandé contre le traitement anticoagulant pour jusqu'à la moitié des patients AF qui, autrement, l'auraient reçu sur la base d'outils de niveau de soins. Cela pourrait avoir des ramifications profondes pour la santé mondiale.
Pourquoi l'étude est importante: La FA est le rythme cardiaque anormal le plus courant, ce qui affecte environ 59 millions de personnes dans le monde. Pendant la FA, les chambres supérieures du carquois cardiaque, ce qui permet au sang de stagner et de former des caillots. Ces caillots peuvent ensuite se déloger et aller au cerveau, provoquant un accident vasculaire cérébral. Les anticoagulants sont le traitement standard de cette population de patients pour empêcher la coagulation et les accidents vasculaires cérébraux; Cependant, dans certains cas, ce médicament peut entraîner des événements de saignement majeurs.
Ce modèle d'IA utilise l'ensemble du dossier de santé électronique du patient pour recommander une recommandation de traitement individualisée. Il pèse le risque d'avoir un accident vasculaire cérébral contre le risque de saignement majeur (que cela se produise de manière organique ou en raison d'un traitement avec le sang plus élevé). Cette approche de la prise de décision clinique est vraiment individualisée par rapport à la pratique actuelle, où les cliniciens utilisent des scores / outils de risque qui fournissent des estimations du risque en moyenne par rapport à la population de patients étudiée, pas pour les patients individuels. Ainsi, ce modèle fournit une estimation du risque au niveau du patient, qu'elle utilise ensuite pour faire en compte une recommandation individualisée en tenant compte des avantages et des risques de traitement pour cette personne.
L'étude pourrait révolutionner l'approche adoptée par les cliniciens pour traiter une maladie très courante pour minimiser les AVC et les événements de saignement. Il reflète également un changement de paradigme potentiel sur la façon dont les décisions cliniques sont prises.
Pourquoi cette étude est unique: Il s'agit du premier modèle d'IA individualisé tout premier connu conçu pour prendre des décisions cliniques pour les patients AF utilisant des estimations de risque sous-jacentes pour le patient spécifique en fonction de tous leurs Caractéristiques cliniques réelles. Il calcule une recommandation net-avantage inclusive pour atténuer les accidents vasculaires cérébraux et les saignements.
Comment la recherche a été menée: Les chercheurs ont formé le modèle d'IA sur des dossiers de santé électroniques de 1,8 million de patients plus de 21 millions de visites chez le médecin, 82 millions de billets et 1,2 milliard de points de données. Ils ont généré une recommandation de net-avantage sur l'opportunité de traiter ou non le patient avec des anticoagulants.
Pour valider le modèle, les chercheurs ont testé les performances du modèle parmi 38 642 patients atteints de fibrillation auriculaire dans le système de santé du mont Sinai. Ils ont également validé l'extérieur le modèle sur 12 817 patients des ensembles de données accessibles au public à Stanford.
Résultats: Le modèle a généré des recommandations de traitement qui s'alignent sur l'atténuation d'un AVC et des saignements. Il a reclassement reclassé environ la moitié des patients AF pour ne pas recevoir d'anticoagulation. Ces patients auraient reçu des anticoagulants selon les directives de traitement actuelles.
Ce que cette étude signifie pour les patients et les cliniciens: Cette étude représente une nouvelle ère dans la prise en charge des patients. En ce qui concerne le traitement des patients atteints de FA, cette étude permettra des plans de traitement plus personnalisés et personnalisés.
Citations:
« Cette étude représente une modernisation profonde de la façon dont nous gérons l'anticoagulation pour les patients atteints de fibrillation auriculaire et peut modifier le paradigme de la façon dont les décisions cliniques sont prises », explique l'auteur correspondant Joshua Lampert, MD, directeur de l'apprentissage automatique à l'hôpital Mount Sinai Fuster Heart. « Cette approche surmonte la nécessité pour les cliniciens d'extrapoler les statistiques au niveau de la population aux individus tout en évaluant le bénéfice net pour le patient individuel, ce qui est au cœur de ce que nous espérons accomplir en tant que cliniciens. Le modèle peut non seulement calculer les recommandations initiales, mais également mettre à jour dynamiquement les recommandations en fonction de l'ensemble du dossier de santé électronique pour un rendez-vous. La charge cognitive de peser entre l'AVC et les risques de saignement non adaptés à un patient individuel, évite la main-d'œuvre humaine nécessaire pour une collecte de données supplémentaire et fournit des profils de risque relatives discrets pour aider à conseiller les patients. «
« Ce travail illustre comment les modèles d'IA avancés peuvent synthétiser des milliards de points de données à travers le dossier de santé électronique pour générer des recommandations de traitement personnalisées. En allant au-delà des scores de risque basés sur la population` `à une seule taille '', nous pouvons désormais fournir aux cliniciens des probabilités individuelles spécifiques aux patients d'accident vasculaire cérébral et de saignement, permettant à la prise de décision partagée et à des stratégies anticoagulantes qui représentent un véritable décalage de paradis Nadkarni, MD, MPH, président du département de Windreich de l'intelligence artificielle et de la santé humaine à l'École de médecine Icahn du mont Sinaï.
« Éviter un AVC est l'objectif le plus important dans la gestion des patients atteints de fibrillation auriculaire, un trouble du rythme cardiaque qui devrait affecter 1 adulte sur 3 dans leur vie », explique l'auteur co-ennior, Vivek Reddy MD, directeur de l'électrophysiologie cardiaque à l'hôpital Mount Sinai Fuster Heart. « Si de futurs essais cliniques randomisés démontrent que ce modèle d'IA n'est même qu'une fraction aussi efficace pour discriminer le haut contre Les patients à faible risque comme observé dans notre étude, le modèle aurait un effet profond sur les soins et les résultats des patients. «
« Lorsque les patients obtiennent des résultats de test ou une recommandation de traitement, ils pourraient demander: » Qu'est-ce que cela signifie pour moi spécifiquement? » Nous avons créé une nouvelle façon de répondre à cette question. avant votre rendez-vous médical. Au lieu de simplement vous dire ce qui pourrait arriver, nous vous montrons à la fois quoi et quelle probabilité que cela vous arrive personnellement. Cela donne à vous et à votre médecin une image plus claire de votre situation individuelle, pas seulement des statistiques générales qui peuvent manquer d'importants facteurs individuels « , explique le co-premier auteur Justin Kauffman, Data Scienti lest avec le ministère de l'intelligence artificielle et de la santé humaine de Windreich.
